[发明专利]基于大数据知识图谱的配电网设备评价方法及存储介质

说明书

一种基于大数据知识图谱的配电网设备评价方法及存储介质，包括：1)将配网设备报修工单数据使用NLP自然语言处理算法处理为实体与关系的三元组；2)将三元组数据导入图数据库建立知识图谱；3)通过图谱社区发现与图谱推理算法寻找配电网设备和故障实体间的关系；4)根据每个设备与故障的直接与间接关系，构建设备评价算法。本发明解决了配电网设备评价不够直观，评价指标过于主观且不同设备的指标各不相同，体系过于复杂的问题，将所有设备的故障情况统一构建图谱，通过图谱设备实体与故障实体、消缺实体之间的关系，以此为评价指标，大大简化了设备评价指标，且更加具象化、自动化、客观化，具有思路清晰，实用价值高，适合推广使用的优点。

技术领域

本发明属于知识图谱分析应用技术领域，尤其涉及一种基于大数据知识图谱的配电网设备评价方法及存储介质。

背景技术

随着社会的发展与科学的进步，人们对安全可靠供电的要求越来越高，为满足日益增长的高供电需求，电网规模逐渐扩大，设备日益增多，随之而来的设备运行风险逐渐显现。在电网设备的长期运行过程中，由于外力破坏、运行环境以及结构老化等因素影响，其各种技术性能都会出现不同程度地降低，影响整个电力系统的正常运行和电网设备运维的经济性。因此，必须站在尽可能减少电网运行风险的高度，建立起科学合理的电网设备运行状态评价与风险评估模型，实现风险预控，增强设备检修的针对性和有效性，保障电力系统的安全稳定运行。

近年来，随着电力企业对设备运维与管理要求的不断提高及设备状态评价理论的深人研究，电网设备的状态评价与状态检修受到了高度关注，尤其是以监测系统、人工检测等状态检测分析为基础的电网设备状态评价理论和方法逐渐成为如今电力企业进行设备运维与管理工作的核心。然而常常会因为受到系统内部和零部件之间存在的结构多样化、内在强耦合性、复杂的运行环境等问题.会导致实际的问题非常的棘手。

同时，目前电力企业所采用的电网设备评价方法中，设备部件权重的制定往往依赖人的主观因素，缺乏定性与定量相结合的、科学的分析结果作为依据。

发明内容

本发明的目的在于提供一种更客观准确的设备评价方法，将不同设备发生过的故障与间接故障等联系起来，进行统一评价。本发明使用知识图谱结合报修大数据分析算法的电网设备状态评价方法，将设备与故障之间的关系具象化，而且可以找出它们之间的隐藏关系，使设备状态评价有更多的客观依据，评价更为准确，且不需人工主观干预，自动化程度更高。

本发明的技术方案为：

一种基于大数据知识图谱的配电网设备评价方法，主要包括以下步骤：

步骤S10，将配网设备报修工单数据使用NLP自然语言处理算法处理为实体与关系的三元组，将配网设备报修工单数据使用python语言中的第三方库transformer模型将工单中的设备和故障实体识别出来。使用百度paddle框架封装的transfomer模型lac进行实体以及关系识别；

步骤S20，将提取出的设备与故障实体与设备与故障间的关系融合成实体关系三元组，并通过neo4j自带的neo4j-admin import方法将三元组嵌入neo4j图谱数据库，具体语句为：neo4j-admin import--database＝neo4j--nodes“import/sto.csv”--nodes“import/con.csv”--relationships“import/rel.csv”--ignore-empty-strings--skip-bad-relationships--skip-duplicate-nodes＝true；

步骤S30，通过图谱社区发现与图谱推理算法寻找配电网设备和故障实体间的关系；

步骤S40，根据每个设备与故障的直接与间接关系，构建设备评价算法，根据故障的类型以及故障与设备间的关系，设直接故障次数为DN，直接故障系数为a，间接故障次数为IDN，间接故障系数为b，间接关系间隔为RN，其中：